MAF1731 - Microstructure and Trading Systems

B.Eng Financial Engineering



I.F. Aranzazú Rendón Gómez

I.F. Miguel Moreno Morrill

Nov 2022 | Repository: Link


Lab 4

Microestructura del Mercado



Abstract

El objetivo de este proyecto es **Visualizar y Modelar la Estructura del Mercado**. Durante el siguiente documento se realizará el análisis de distintas criptomonedas BTC, BNB y DOGE, a traves de los Exchanges BitMart, Gate.io y Bitget; se le realizarán comparaciones mediante distintas métricas, para finalmente realizar el modelo de Roll que nos ayudará a comprender mejor como funcionan las microestructuras de los mercados y lograr el objetivo del proyecto.


1. Introduction


La estructura del mercado se refiere a la forma en que los diferentes agentes interactúan entre sí mismos y con distintos agentes dentro y fuera de un mercado. Dentro de la estructura se describe el estado de los oferentes (ofertas Ask) y demandantes (ofertas Bid) para los distintos activos.

Las microestructuras del mercado son aquellas donde se contemplan las reglas y sistemas de traiding usados dentro de las operaciones de un mercado con el objetivo de predecir precios y diseñar estrategias de inversión. Estas reglas afectan la eficencia del precio, la liquidez y las ganancias, debido a que priorizan distintas operaciones y se manejan de maneras distintas, algunos ejemplos de reglas de una microestructura de mercado son las siguientes: regla de prioridad de órdenes, reglas del Spread, Reglas de tamaño del lote mínimo, reglas por volumen, etc.

En este proyecto, se tiene como objetivo el visualizar y modelar la microestructura del mercado de 3 distintas criptomonedas en 3 distintos exchanges.

Una criptomoneda es un activo digital que emplea un cifrado criptográfico para garantizar que cada moneda tenga una singularidad que asegure la titularidad, así mismo, para poder realizar transacciones y que sea controlable la creación de estas para evitar un desequilibrio entre la oferta y la demanda.

Los Exchanges son portales o plataformas por los cuales los inversores realizan intercambios con base en la oferta y la demanda, existen muchas formas de blindar una cartera de criptomonedas, no obstante, se esta expuesto a constantes ataques ciberneticos ya que dentro de los exchanges la moneda pasa a control del mismo dando una ilusión al usuario de control, a menos que este poseea una Wallet que proteja sus activos. No estan regulada por ningun banco o país funcionando a libre mercado, pero no cuentan con mecanismos de protección al cliente que le cubran su inversión en caso de alguna pérdida o robo.

Al ser distintos exchanges existen ciertas fluctuaciones del valor de las criptomonedas, puesto que todo depende de si se pacta un precio o no, por lo que compararemos 3 exchanges disintos BitMart, Gate.io y Bitget, para visualizar las diferencias de uno del otro, así coo identificar que tan volatiles son en un aventana de tiempo, usando tambien el modelo de Roll para evaluarlo.

También como parte del proyecto, se realizó el cálculo del Effective Spread por medio del Modelo Roll (el cual se describe más adelante en este documento), el cual es de gran utilidad al planear estrategias de inversión, pues nos brinda una estimación del spread entre los precios de cierre dentro de una ventana de tiempo.


2. Install/Load Packages and Depedencies


2.2 Python Packages

In order to run this notebook, it is necessary to have installed and/or have the requirements.txt file with the following:

  • jupyter>=1.0.0
  • numpy 1.21.2
  • pandas 1.3.3
  • ccxt
  • time
  • datetime
  • Plotly

2.3 Files Dependencies

The following are the file dependencies that are needed to run this notebook:

  • files/DATA_A.csv : Libro de ordenes de 'BTC/USDT'
  • files/DATA_B.csv : Libro de ordenes de 'BNB/USDT'
  • files/DATA_C.csv : Libro de ordenes de 'DOGE/USDT'

La obtención de estos datos fue mediante una función con el uso de la librería ccxt, la cual se puede encontrar en el documento de functions.py.

In [1]:
import data as dt
import functions as fun
import visualizations as vs


3. Data Description


Para la realización de este proyecto, era necesario contar con el libro de ordenes de criptomonedas en distintos exchanges, sin embargo, debido a las limitaciones de la librería ccxt, la cual únicamente puede consultar datos en tiempo real, se realizo una función con el objetivo de almacenar todos los datos del Order Book (Ask, Bid, AskVolume, BidVolume, Level y Closes) para cada TimeStamp dentro de una hora, además se calculo el Spread, definido como la diferencia entre Ask y Bid.

Posteriormente los datos de cada criptomoneda fueron almacenados en un archivo csv, con el objetivo de hacer más sencillo el acceso y manejo de estos.

Las criptomonedas utilizadas para este proyecto son las siguientes:

  • Bitcoin
  • BNB
  • Dogecoin
    Se utilizo el tipo de cambio de cada criptomoneda con la stablecoin USTD.

Se decidió usar los datos de las siguientes plataformas de comercio de criptomonedas:

  • BitMart
  • Gate.io
  • Bitget

Datos del Order Book Bitcoin

In [2]:
dt.data_1
Out[2]:
Ask AVolume Bid BVolume Exchange Ticker TimeStamp Spread Levels Closes
0 16817.81 0.02713 16816.46 0.21544 BitMart BTC/USDT 2022-11-11T19:17:34.826Z 1.35 20 16822.65
1 16818.36 0.20460 16816.26 0.30398 BitMart BTC/USDT 2022-11-11T19:17:34.826Z 2.10 20 16835.48
2 16819.58 0.02680 16816.16 0.17730 BitMart BTC/USDT 2022-11-11T19:17:34.826Z 3.42 20 16819.26
3 16819.73 0.20869 16815.96 0.19844 BitMart BTC/USDT 2022-11-11T19:17:34.826Z 3.77 20 16730.68
4 16820.13 0.17302 16815.45 0.07775 BitMart BTC/USDT 2022-11-11T19:17:34.826Z 4.68 20 16682.55
... ... ... ... ... ... ... ... ... ... ...
5935 16696.07 0.01990 16688.04 0.13870 Bitget BTC/USDT 2022-11-11T20:17:33.065Z 8.03 20 16732.82
5936 16696.13 0.01210 16687.95 0.35460 Bitget BTC/USDT 2022-11-11T20:17:33.065Z 8.18 20 16728.11
5937 16696.16 0.20790 16687.87 0.04000 Bitget BTC/USDT 2022-11-11T20:17:33.065Z 8.29 20 16700.60
5938 16696.26 0.01210 16687.84 0.02480 Bitget BTC/USDT 2022-11-11T20:17:33.065Z 8.42 20 16702.37
5939 16696.41 0.20000 16687.75 0.01380 Bitget BTC/USDT 2022-11-11T20:17:33.065Z 8.66 20 16672.94

5940 rows × 10 columns

Datos del Order Book BNB

In [3]:
dt.data_2
Out[3]:
Ask AVolume Bid BVolume Exchange Ticker TimeStamp Spread Levels Closes
0 287.64 0.4900 287.46 0.3900 BitMart BNB/USDT 2022-11-11T19:17:35.659Z 0.18 20 287.00
1 287.65 0.2900 287.45 0.3000 BitMart BNB/USDT 2022-11-11T19:17:35.659Z 0.20 20 287.24
2 287.67 0.5900 287.43 0.2100 BitMart BNB/USDT 2022-11-11T19:17:35.659Z 0.24 20 287.15
3 287.68 0.5100 287.42 0.3400 BitMart BNB/USDT 2022-11-11T19:17:35.659Z 0.26 20 286.08
4 287.69 0.3800 287.40 0.1400 BitMart BNB/USDT 2022-11-11T19:17:35.659Z 0.29 20 285.30
... ... ... ... ... ... ... ... ... ... ...
5935 287.07 126.7319 286.00 1.3113 Bitget BNB/USDT 2022-11-11T20:17:33.630Z 1.07 20 287.08
5936 287.08 39.3392 285.99 31.5348 Bitget BNB/USDT 2022-11-11T20:17:33.630Z 1.09 20 287.03
5937 287.09 0.8283 285.97 0.9234 Bitget BNB/USDT 2022-11-11T20:17:33.630Z 1.12 20 286.75
5938 287.10 1.1265 285.96 34.5804 Bitget BNB/USDT 2022-11-11T20:17:33.630Z 1.14 20 286.22
5939 287.11 32.4866 285.93 84.9759 Bitget BNB/USDT 2022-11-11T20:17:33.630Z 1.18 20 286.19

5940 rows × 10 columns

Datos del Order Book Dogecoin

In [4]:
dt.data_3
Out[4]:
Ask AVolume Bid BVolume Exchange Ticker TimeStamp Spread Levels Closes
0 0.082952 445.0000 0.082904 1030.0000 BitMart DOGE/USDT 2022-11-11T19:17:36.356Z 0.000048 20 0.082763
1 0.082961 786.0000 0.082903 534.0000 BitMart DOGE/USDT 2022-11-11T19:17:36.356Z 0.000058 20 0.082847
2 0.082966 485.0000 0.082901 1115.0000 BitMart DOGE/USDT 2022-11-11T19:17:36.356Z 0.000065 20 0.082896
3 0.082967 1382.0000 0.082899 1188.0000 BitMart DOGE/USDT 2022-11-11T19:17:36.356Z 0.000068 20 0.082271
4 0.082969 1303.0000 0.082898 711.0000 BitMart DOGE/USDT 2022-11-11T19:17:36.356Z 0.000071 20 0.082246
... ... ... ... ... ... ... ... ... ... ...
5935 0.082076 33580.7831 0.081824 11475.6641 Bitget DOGE/USDT 2022-11-11T20:17:34.193Z 0.000252 20 0.082343
5936 0.082086 14334.8964 0.081820 3000.0021 Bitget DOGE/USDT 2022-11-11T20:17:34.193Z 0.000266 20 0.082285
5937 0.082096 52739.7177 0.081818 3000.0020 Bitget DOGE/USDT 2022-11-11T20:17:34.193Z 0.000278 20 0.081855
5938 0.082101 3005.6202 0.081814 45579.8304 Bitget DOGE/USDT 2022-11-11T20:17:34.193Z 0.000287 20 0.081862
5939 0.082106 59686.5937 0.081810 17084.5785 Bitget DOGE/USDT 2022-11-11T20:17:34.193Z 0.000296 20 0.081812

5940 rows × 10 columns


4. Procesos

Visualización de la Microestructura


Para la visualización de la microestructura, es necesario calcular los siguientes datos:

Midprice, precio medio, es el precio entre el mejor precio de los vendedores de la acción y el mejor precio de los compradores de la acción.

$$ Midprice = \frac{Ask + Bid}{2}$$

VWAP, precio medio ponderado por volumen, es una herramienta de análisis técnico que marca una línea en el gráfico indicando la relación entre el precio y el volumen en un determinado tiempo.

$$ VWAP = \frac{\sum (Total Volume * Midprice)}{\sum Total Volume}$$

Microestructura del mercado Bitcoin

In [5]:
dt.data_AA
Out[5]:
Exchange TimeStamp Ask_Volume Ask Bid_Volume Bid Total_Volume Mid_Price VWAP Ticker Spread Closes
0 BitMart 2022-11-11T19:17:34.826Z 0.02713 16817.81 0.21544 16816.46 0.24257 16817.135 16817.135000 BTC/USDT 1.35 16822.65
1 BitMart 2022-11-11T19:17:34.826Z 0.20460 16818.36 0.30398 16816.26 0.50858 16817.310 16817.253487 BTC/USDT 2.10 16835.48
2 BitMart 2022-11-11T19:17:34.826Z 0.02680 16819.58 0.17730 16816.16 0.20410 16817.870 16817.385212 BTC/USDT 3.42 16819.26
3 BitMart 2022-11-11T19:17:34.826Z 0.20869 16819.73 0.19844 16815.96 0.40713 16817.845 16817.522614 BTC/USDT 3.77 16730.68
4 BitMart 2022-11-11T19:17:34.826Z 0.17302 16820.13 0.07775 16815.45 0.25077 16817.790 16817.564180 BTC/USDT 4.68 16682.55
... ... ... ... ... ... ... ... ... ... ... ... ...
5935 Bitget 2022-11-11T20:17:33.065Z 0.01990 16696.07 0.13870 16688.04 0.15860 16692.055 16795.286834 BTC/USDT 8.03 16732.82
5936 Bitget 2022-11-11T20:17:33.065Z 0.01210 16696.13 0.35460 16687.95 0.36670 16692.040 16795.278484 BTC/USDT 8.18 16728.11
5937 Bitget 2022-11-11T20:17:33.065Z 0.20790 16696.16 0.04000 16687.87 0.24790 16692.015 16795.272839 BTC/USDT 8.29 16700.60
5938 Bitget 2022-11-11T20:17:33.065Z 0.01210 16696.26 0.02480 16687.84 0.03690 16692.050 16795.271999 BTC/USDT 8.42 16702.37
5939 Bitget 2022-11-11T20:17:33.065Z 0.20000 16696.41 0.01380 16687.75 0.21380 16692.080 16795.267134 BTC/USDT 8.66 16672.94

5940 rows × 12 columns

In [6]:
# grafica Ask Volume
vs.grafica_data_ABC(dt.data_AA,'Ask_Volume',"Grafica del Ask Volume de BTC/USDT")
In [7]:
vs.grafica_data_ABC(dt.data_AA,'Bid_Volume',"Grafica del Bid Volume de BTC/USDT")
In [8]:
vs.grafica_data_ABC(dt.data_AA,'Total_Volume',"Grafica del Total Volume de BTC/USDT")
In [9]:
vs.grafica_data_ABC(dt.data_AA,'Mid_Price',"Grafica del Middle Price de BTC/USDT")
In [10]:
vs.grafica_data_ABC(dt.data_AA,'VWAP',"Grafica del VWAP de BTC/USDT")

Microestructura del mercado BNB

In [11]:
dt.data_BB
Out[11]:
Exchange TimeStamp Ask_Volume Ask Bid_Volume Bid Total_Volume Mid_Price VWAP Ticker Spread Closes
0 BitMart 2022-11-11T19:17:35.659Z 0.4900 287.64 0.3900 287.46 0.8800 287.550 287.550000 BNB/USDT 0.18 287.00
1 BitMart 2022-11-11T19:17:35.659Z 0.2900 287.65 0.3000 287.45 0.5900 287.550 287.550000 BNB/USDT 0.20 287.24
2 BitMart 2022-11-11T19:17:35.659Z 0.5900 287.67 0.2100 287.43 0.8000 287.550 287.550000 BNB/USDT 0.24 287.15
3 BitMart 2022-11-11T19:17:35.659Z 0.5100 287.68 0.3400 287.42 0.8500 287.550 287.550000 BNB/USDT 0.26 286.08
4 BitMart 2022-11-11T19:17:35.659Z 0.3800 287.69 0.1400 287.40 0.5200 287.545 287.549286 BNB/USDT 0.29 285.30
... ... ... ... ... ... ... ... ... ... ... ... ...
5935 Bitget 2022-11-11T20:17:33.630Z 126.7319 287.07 1.3113 286.00 128.0432 286.535 287.574309 BNB/USDT 1.07 287.08
5936 Bitget 2022-11-11T20:17:33.630Z 39.3392 287.08 31.5348 285.99 70.8740 286.535 287.573644 BNB/USDT 1.09 287.03
5937 Bitget 2022-11-11T20:17:33.630Z 0.8283 287.09 0.9234 285.97 1.7517 286.530 287.573627 BNB/USDT 1.12 286.75
5938 Bitget 2022-11-11T20:17:33.630Z 1.1265 287.10 34.5804 285.96 35.7069 286.530 287.573291 BNB/USDT 1.14 286.22
5939 Bitget 2022-11-11T20:17:33.630Z 32.4866 287.11 84.9759 285.93 117.4625 286.520 287.572175 BNB/USDT 1.18 286.19

5940 rows × 12 columns

In [12]:
vs.grafica_data_ABC(dt.data_BB,'Ask_Volume',"Grafica del Ask Volume de BTC/USDT")
In [13]:
vs.grafica_data_ABC(dt.data_BB,'Bid_Volume',"Grafica del Bid Volume de BNB/USDT")
In [14]:
vs.grafica_data_ABC(dt.data_BB,'Total_Volume',"Grafica del Total Volume de BNB/USDT")
In [15]:
vs.grafica_data_ABC(dt.data_BB,'Mid_Price',"Grafica del Middle Price de BNB/USDT")
In [16]:
vs.grafica_data_ABC(dt.data_BB,'VWAP',"Grafica del VWAP de BNB/USDT")

Microestructura del mercado Dogecoin

In [17]:
dt.data_CC
Out[17]:
Exchange TimeStamp Ask_Volume Ask Bid_Volume Bid Total_Volume Mid_Price VWAP Ticker Spread Closes
0 BitMart 2022-11-11T19:17:36.356Z 445.0000 0.082952 1030.0000 0.082904 1475.0000 0.082928 0.082928 DOGE/USDT 0.000048 0.082763
1 BitMart 2022-11-11T19:17:36.356Z 786.0000 0.082961 534.0000 0.082903 1320.0000 0.082932 0.082930 DOGE/USDT 0.000058 0.082847
2 BitMart 2022-11-11T19:17:36.356Z 485.0000 0.082966 1115.0000 0.082901 1600.0000 0.082933 0.082931 DOGE/USDT 0.000065 0.082896
3 BitMart 2022-11-11T19:17:36.356Z 1382.0000 0.082967 1188.0000 0.082899 2570.0000 0.082933 0.082932 DOGE/USDT 0.000068 0.082271
4 BitMart 2022-11-11T19:17:36.356Z 1303.0000 0.082969 711.0000 0.082898 2014.0000 0.082933 0.082932 DOGE/USDT 0.000071 0.082246
... ... ... ... ... ... ... ... ... ... ... ... ...
5935 Bitget 2022-11-11T20:17:34.193Z 33580.7831 0.082076 11475.6641 0.081824 45056.4472 0.081950 0.082787 DOGE/USDT 0.000252 0.082343
5936 Bitget 2022-11-11T20:17:34.193Z 14334.8964 0.082086 3000.0021 0.081820 17334.8985 0.081953 0.082787 DOGE/USDT 0.000266 0.082285
5937 Bitget 2022-11-11T20:17:34.193Z 52739.7177 0.082096 3000.0020 0.081818 55739.7197 0.081957 0.082787 DOGE/USDT 0.000278 0.081855
5938 Bitget 2022-11-11T20:17:34.193Z 3005.6202 0.082101 45579.8304 0.081814 48585.4506 0.081957 0.082787 DOGE/USDT 0.000287 0.081862
5939 Bitget 2022-11-11T20:17:34.193Z 59686.5937 0.082106 17084.5785 0.081810 76771.1722 0.081958 0.082786 DOGE/USDT 0.000296 0.081812

5940 rows × 12 columns

In [18]:
vs.grafica_data_ABC(dt.data_CC,'Ask_Volume',"Grafica del Ask Volume de DOGE/USDT")
In [19]:
vs.grafica_data_ABC(dt.data_CC,'Bid_Volume',"Grafica del Bid Volume de DOGE/USDT")
In [20]:
vs.grafica_data_ABC(dt.data_CC,'Total_Volume',"Grafica del Total Volume de DOGE/USDT")
In [21]:
vs.grafica_data_ABC(dt.data_CC,'Mid_Price',"Grafica del Middle Price de DOGE/USDT")
In [22]:
vs.grafica_data_ABC(dt.data_CC,'VWAP',"Grafica del VWAP de DOGE/USDT")



5. Modelado de Microestructura


Para el modelado de la microestructura se utilizo la información obtenida del OB y OHLC en el punto 1 del laboratorio y se estimo el Effective Spread de Roll utilizando la siguiente ecuación:

$$ 2\sqrt{|cov(\Delta P_t, \Delta P_{t-1})|}$$

Debido a la naturaleza de los datos utilizados, los cuales no son continuos, la covarianza se calculo de todos los Close prices dentro del mismo TimeStamp, los cuales tienen una diferencia entre sí de al rededor de 12 segundos, debido al sleep de 10 segundos dentro de la función al descargar los datos y el tiempo de procesamiento y almacenamiento de los mismos.

Consideraciones: La utilización en este proyecto esta basada en el Roll's Model (1984), el cual nos permite estimat el Spread y propone lo siguiente: En un mercado eficiente, el valor fundamental de un valor fluctúa aleatoriamente. Sin embargo, los costos comerciales inducen una dependencia serial negativa en los cambios en los precios de mercado. De hecho, dada la eficiencia del mercado, el diferencial de oferta y demanda efectivo se puede medir por

$$\text{Roll's Spred} = 2\sqrt{-cov(\Delta P_t, \Delta P_{t-1})}$$

Esta medida implícita del diferencial entre oferta y demanda se deriva formalmente y se demuestra empíricamente que está estrechamente relacionada con el tamaño del exchange.

Effective Spread Bitcoin

In [23]:
fun.modMicro(dt.data_AA)
Out[23]:
TimeStamp Close Spread Effective Spread
0 2022-11-11T19:17:34.826Z 16773.6735 17.3280 40.146902
1 2022-11-11T19:17:48.647Z 16766.1950 21.7950 41.827299
2 2022-11-11T19:18:03.271Z 16770.3395 8.6310 38.711731
3 2022-11-11T19:18:15.117Z 16773.1005 30.3330 34.963684
4 2022-11-11T19:18:26.339Z 16766.1300 15.1250 38.022354
... ... ... ... ...
292 2022-11-11T20:16:44.596Z 16779.0800 14.8200 4.034301
293 2022-11-11T20:16:56.708Z 16785.7095 7.5910 5.206985
294 2022-11-11T20:17:08.524Z 16785.4000 30.1445 7.263306
295 2022-11-11T20:17:20.356Z 16770.6650 20.4100 2.752111
296 2022-11-11T20:17:33.065Z 16777.0705 6.9455 4.581271

297 rows × 4 columns

Effective Spread BNB

In [24]:
fun.modMicro(dt.data_BB)
Out[24]:
TimeStamp Close Spread Effective Spread
0 2022-11-11T19:17:35.659Z 286.4600 0.449500 0.377250
1 2022-11-11T19:17:49.454Z 286.3675 0.838215 0.498692
2 2022-11-11T19:18:03.935Z 286.4220 0.848000 0.361350
3 2022-11-11T19:18:15.704Z 286.4925 0.424000 0.328956
4 2022-11-11T19:18:27.211Z 286.3875 0.767060 0.404708
... ... ... ... ...
292 2022-11-11T20:16:45.685Z 287.5965 1.144300 0.195196
293 2022-11-11T20:16:57.267Z 287.5100 0.816000 0.124079
294 2022-11-11T20:17:09.664Z 287.6475 0.468000 0.103441
295 2022-11-11T20:17:21.992Z 287.4855 1.146270 0.139236
296 2022-11-11T20:17:33.630Z 287.4070 0.837000 0.159972

297 rows × 4 columns

Microestructura del mercado Dogecoin

In [25]:
fun.modMicro(dt.data_CC)
Out[25]:
TimeStamp Close Spread Effective Spread
0 2022-11-11T19:17:36.356Z 0.082606 0.000216 0.000102
1 2022-11-11T19:17:49.181Z 0.082531 0.000197 0.000143
2 2022-11-11T19:18:04.542Z 0.082570 0.000179 0.000089
3 2022-11-11T19:18:16.638Z 0.082612 0.000576 0.000076
4 2022-11-11T19:18:27.498Z 0.082540 0.000210 0.000096
... ... ... ... ...
292 2022-11-11T20:16:44.891Z 0.082709 0.000248 0.000132
293 2022-11-11T20:16:57.789Z 0.082683 0.000183 0.000041
294 2022-11-11T20:17:11.126Z 0.082769 0.000163 0.000048
295 2022-11-11T20:17:21.576Z 0.082639 0.000203 0.000126
296 2022-11-11T20:17:34.193Z 0.082609 0.000198 0.000038

297 rows × 4 columns



6. Conclusiones


Durante el laboratorio 4 surgieron bastantes interrogantes sobre como íbamos a lograr representar la teoría del modelo de Roll, el Spread y el Efective Spread, puesto que teníamos que descargar precios de 3 Exchange y almacenarlos en tiempo real, además de descargar esos mismos datos pero del OHLC de las mismas criptomonedas. Cruzamos bastantes desafíos a la hora de aterrizar los conceptos y de elegir el Exchange que estuviese disponible en cualquier momento que eligiéramos. Logramos completar nuestros cometidos y obtuvimos un camino lógico que nos llevo a comprender mejor las microestructuras de los mercados.

Dependiendo del precio del activo el Spread tendía a ser muy grande o muy pequeño dependiendo del volumen del activo y de las cantidades de que se manejaran por cripto, en muchas veces la diferencia de un Spread y un Efective Spread podía llegar a ser muy precisa o muy lejana, esto debido a que el Bid y el Ask son solamente ofertas del precios, cuando el Close es el precio pactado, lo cual hace entendibles estas diferencias ya que al ser un mercado poco regulado los saltos entre oferta y demanda pueden ser muy volátiles y más en temporadas de Bull Market y crisis económica entrando en depresión económica.

El comportamiento las criptomonedas dentro de los Exchanges es muy similar entre sí, teniendo sus oscilaciones que siguen la misma tendencia lo cual nos ayuda a concluir que los mercados están entrelazados y que en caso que hubiese una brecha muy grande sería rápidamente cerrada por los inversionistas que aprovecharían de este evento en cuestión de milisegundos.

Pudimos támbien reconocer la importanciaa del Effective Spread, pues aunque en muchas ocasiones no es muy preciso, puede ayudar al inversionista a realizar estrategias más acertadas y con fundamento en los datos históricos. Pudimos notar que aunque a veces los cambios intrasegundo dentro de los precios pueden ser muy drásticos, en el tiempo tienden a regularse.

7. References


  • Muñóz Elquezabal, J. F. (2017). El modelo de Roll [PDF].
  • Muñóz Elquezabal, J. F. (2017). Asset Pricing Theory [PDF].

[1] Munnoz, 2020. Python project template. https://github.com/iffranciscome/python-project. (2021).

[2] Thomas E. Copeland and Dan Galai. “Information Effects on the Bid-Ask Spread.” Journal of Finance 38 (1983). https://onlinelibrary.wiley.com/doi/full/10.1111/j.1540-6261.1984.tb03897.x (2022)

[3] Dr. Sarveshwar Inani. (2015, 11 diciembre). Estimating Daily bid ask spread by Roll 1984 Model in R studio [Vídeo]. YouTube. https://www.youtube.com/watch?v=AkSmH-Civ-c

[4] Valencia, D. C. (2018). Microestructura de mercados como determinante de la tasa de cambio: Seguimiento Bibliométrico. https://www.redalyc.org/journal/290/29055767012/html/